| 文件名 | paired_t_test.xlsx |
|---|---|
| 样本量 | 300 行（每行 1 位员工，含前后两次测量） |
| 变量数 | 6 列（3 对前/后配对变量） |
| 数据用途 | 员工培训项目效果评估（前后测设计） |
| 变量说明 | 业务知识_前 / 业务知识_后；工作效率_前 / 工作效率_后；工作压力_前 / 工作压力_后。 |
完整案例
1. 背景
某企业组织了一次为期 4 周的内部培训，希望评估培训对员工的认知、行为、心理三方面是否有显著改变：①业务知识是否显著提升？②工作效率是否提升？③工作压力是否下降？同一批 300 位员工在培训前后各测量一次。这是配对 t 检验的典型场景：每位员工自身做对照，比较前后差值是否显著不为 0。
2. 理论与公式
配对 t 检验先计算同一对象两个条件之间的差值，再检验差值均值是否显著不同于 0。
同一对象两个条件的差。
表示平均变化幅度。
检验平均差值是否显著不同于 0。
3. 数据结构
每行 1 位员工，6 列均为定量变量。关键：配对变量必须分别成对放在两列中（同一行 = 同一员工的前/后两次测量）。
| 配对组 | 前测变量 | 后测变量 | 单位 |
|---|---|---|---|
| 业务知识 | 业务知识_前 | 业务知识_后 | 分（0-100） |
| 工作效率 | 工作效率_前 | 工作效率_后 | 分（1-10） |
| 工作压力 | 工作压力_前 | 工作压力_后 | 分（1-10） |
4. 操作步骤
- 登录 SPSSzero，进入 工作台 → 上传
paired_t_test.xlsx - 左侧方法栏 → 通用方法 → 点击 配对t检验
- 在 配对变量框 中，把 业务知识_前 拖入 "前测"、把 业务知识_后 拖入 "后测"（构成一对）
- 同样方式添加 工作效率_前/后 和 工作压力_前/后 两对
- 点击 开始分析
必须严格按"前 → 后"或"后 → 前"统一顺序放置，差值方向由顺序决定，撰写报告时请说明比较方向。
5. 结果表格与结果阅读
结果区会按"主结果 + 效应量"输出。下面合并 3 对配对检验的紧凑展示：
| 配对变量 | 前测 M±SD | 后测 M±SD | 差值 Δ (后-前) | t | df | p |
|---|---|---|---|---|---|---|
| 业务知识 | 64.91±11.64 | 77.39±12.95 | +12.473 | 28.478 | 299 | 0.000*** |
| 工作效率 | 7.10±1.37 | 7.62±1.81 | +0.512 | 6.367 | 299 | 0.000*** |
| 工作压力 | 6.64±1.58 | 5.40±2.12 | -1.242 | -13.904 | 299 | 0.000*** |
| * p<0.05 ** p<0.01 *** p<0.001；Δ>0 表示后测高于前测 | ||||||
3 对全部 p<0.001 显著，但差值方向和大小不同：业务知识 +12 分（大幅上升）、工作效率 +0.5 分（小幅上升）、工作压力 -1.24 分（明显下降）。
| 配对变量 | Cohen's d | 方向 | 效应大小 |
|---|---|---|---|
| 业务知识 | 1.644 | 显著提升 | 极大效应 |
| 工作效率 | 0.368 | 显著提升 | 小-中等 |
| 工作压力 | -0.803 | 显著下降 | 大效应 |
| Cohen's d：小=0.20，中=0.50，大=0.80（取绝对值） | |||
同样 p<0.001 但效应天差地别：业务知识（d=1.64）远超大效应阈值；工作效率（d=0.37）虽显著但实际意义有限。
7. 文字分析
培训前后的配对 t 检验综合结果：
- 业务知识：前测 64.91→后测 77.39，平均提升 12.47 分，t(299)=28.48, p<0.001，d=1.644（极大效应）—— 培训对业务知识的提升非常显著；
- 工作效率：前测 7.10→后测 7.62，平均提升 0.51 分，t(299)=6.37, p<0.001，d=0.368（小-中等）—— 虽然统计显著，但效应较小，实际改进幅度有限；
- 工作压力：前测 6.64→后测 5.40，平均下降 1.24 分，t(299)=-13.90, p<0.001，d=-0.803（大效应）—— 培训显著降低了员工工作压力感。
结论：培训对知识层面（极强）和心理层面（强）有显著正向影响，但对行为层面（工作效率）仅有轻微改善。本案例也演示了一个重要观点 —— 统计显著 ≠ 实际重要，必须结合 Cohen's d 评估效应量大小。
8. 剖析提醒
配对 t 检验要求同一对象两次测量或一一匹配样本，不能用于互不相关的两组人。
方法定位
配对 t 检验用于比较同一批对象在两个相关条件下的均值差异，例如干预前后、左右两侧、同一用户对两个方案的评分。它关注的是“每个样本自身的前后差值是否显著偏离 0”。
配对 t 检验不适用于两组互不相关的人群。如果两个组不是同一对象或一一匹配，应使用独立样本 t 检验。
数据与变量准备
配对 t 检验要求每一行是同一个对象，两个配对变量分别放在两列中。
| 数据格式 | 示例 |
|---|---|
| 一行一个对象 | 受访者 A |
| 两列配对测量 | 干预前得分、干预后得分 |
| 多组配对 | 可放入多对变量分别检验 |
如果数据是长格式，即同一对象有多行记录，应先整理为宽格式，或使用重复测量方差分析等方法。
SPSSzero 操作建议
选择配对 t 检验，将成对变量按顺序放入配对位置。例如“前测成绩”和“后测成绩”为一对，“方案 A 评分”和“方案 B 评分”为一对。
多对变量可以同时分析，但每一对都必须含义明确，不能把不相关变量强行配对。
结果解读
| 输出内容 | 解读重点 |
|---|---|
| 配对均值 | 两个条件下的平均水平 |
| 差值均值 | 条件 1 减条件 2 的平均差 |
| t 值和 p 值 | 判断差异是否显著 |
| 置信区间 | 判断差值范围 |
| 效应量 | 判断差异实际大小 |
如果差值均值为正，说明前一个变量平均更高；如果为负，说明后一个变量平均更高。解释方向时必须与变量放置顺序一致。
写作模板
可写为：“采用配对 t 检验比较同一样本在 xx 前后或两个条件下的差异。结果显示，条件 A 均值为 xx，条件 B 均值为 xx，差值均值为 xx，t 值为 xx，p 值为 xx，说明两条件之间存在或不存在显著差异。”
常见问题
什么数据才算配对
同一对象被测量两次，或两个样本天然一一匹配，才属于配对。随机分成两组的人群通常不是配对。
配对变量顺序会影响结论吗
会影响差值符号，但不影响显著性。报告时必须说明差值方向。
差值不正态怎么办
配对 t 检验关注的是差值是否近似正态。若样本量小且差值偏态明显，可使用 Wilcoxon 符号秩检验。
与相近方法区分
| 研究设计 | 推荐方法 |
|---|---|
| 同一对象两个条件 | 配对 t 检验 |
| 两个独立组 | t 检验 |
| 同一对象三个及以上条件 | 重复测量方差分析 |
| 配对差值非正态 | Wilcoxon 符号秩检验 |